Madame Hillow:

Vous posez une brève question qui soulève des problèmes très complexes. Depuis des centaines d'années, les philosophes n'ont cessé de s'interroger sur la nature de la causalité et la preuve de celle-ci.

La réponse, en bref, est non, les données provenant d'enquêtes démographiques transversales ne peuvent pas fournir des preuves solides de causalité. Vous mesurez les caractéristiques d'une population, et les populations sont soumises à des influences notoirement compliquées. Si vous trouvez un changement après la mise en œuvre d'un programme, il peut avoir, et cela l'est probablement, beaucoup d'autres choses qui auraient pu produire le changement observé ou inhibé le changement observé.

La preuve de la causalité peut être renforcée en ayant un groupe contrôle, où dans ce cas, une population contrôle aussi proche que possible de la population de l'intervention, mais qui ne reçoit pas l'intervention. Les populations contrôles sont utilisées au mieux pour mesurer les résultats d'intérêts au début de l'ìntervention et cela est fait dans les deux populations c'est à dire, celle du contrôle et celle de l'intervention. Ensuite, on mesure les mêmes résultats en utilisant la même méthodologie dans les populations de contrôle et de l'intervention à un certain moment après que l'intervention soit mise en œuvre. Si le changement est plus grand dans la population de l'intervention que dans la population contrôle, ce changement pourrait être dû, au moins en partie, à votre intervention.

Cependant, ceci est un résumé très simplifié d'une question complexe. Un meilleur résumé des larges  questions épistémologiques peut être trouvé ici: http://jech.bmj.com/content/56/2/119.full.

En outre, tout manuel d'introduction à l'épidémiologie discutera des critères pour démontrer la causalité dans les études épidémiologiques, et d'autres livres donnent d'excellents conseils sur l'utilisation d'études de la communauté pour évaluer les programmes de santé publique.

Salut Brad,
Merci pour votre réponse, oui je me souviens, certainement, de l'épidémiologie et du facteur de causalité. Dans mon cas, il serait difficile d'avoir une population contrôle et il sera éthiquement inacceptable pour moi de le faire.
Existe-il une autre manière spécifique de résoudre ce problème? Par exemple, je fais un suivi sur l'allaitement au sein dans l'heure qui suit la naissance pendant les 6 derniers mois (après la formation et en y mettant plus d'efforts) et peut-être je réalise qu'il y a une différence entre l'enquête en cours comparée aux données de départ . Comment pourrais-je  le rapporter si il y a une quelconque différence. Puis-je dire que la formation eu un effet ou non?
Merci

Dans un tel état, quand il n'y a pas de contrôle ou un groupe comparable au départ, je pense que vous pouvez faire une enquête similaire dans les communautés voisines, en dehors de votre zone d'intervention. Cependant, vous devez vous assurer que les deux communautés sont homogènes ou partagent des caractéristiques similaires. l'hypothèse ici est que les deux communautés sont semblables, sauf par rapport à votre programme. En comparant les deux résultats, vous pouvez évaluer la valeur ajoutée de votre intervention.

Madame Hillow:

Tant que vous ne disposez que de mesures de base et  de données de suivi des indicateurs, je ne pense pas que vous avez des preuves solides que tout changement dans les indicateurs est due à votre programme.

Considérez que ce ne sera pas, nécessairement, important pour la prise de décisions liée au programme de dire que la condition est "due à" votre programme. Plus vous serez informé sur les conditions pré-programme et plus de points de mesure  vous aurez  pour ces conditions après que votre programme ait commencé, mieux ce sera. Et bien sûr, prêtez attention aux conditions collatérales et aux changements qui y sont (c-à-d qu 'est ce qui se passait d'autre). En d'autres termes, l'information composite, quantitative et qualitative, est essentielle pour l'observation des progrès vers les objectifs. L'évaluation des programmes n'est pas l'évaluation d'une expérience ou un test de l'hypothèse. La causalité n'est pas la question.

Est-il causal? En tenant compte des critères Bradford-Hill:

Bien entendu que les études d'intervention bien conçues et bien exécutées sont idéales pour nous aider à décider si les choses ont un lien causal ou non, il y a beaucoup de situations dans lesquelles cela est impossible / pratique / éthique. Par conséquent, il est important de faire au mieux avec les données d'observation. En plus des approches déjà mentionnées par les autres répondants, j'ai toujours trouvé utile de passer par les critères de Bradford Hill " pour déterminer si quelque chose est plus susceptible de causalité ou plus probablement non causalement associé:

Voir http://www.ncbi.nlm.nih.gov/pmc/articles/PMC1291382/ pour un bon résumé (et la critique) qui traite plus en détail les points clés ci-dessous:

"1) Force de l'association
- Une forte association est plus susceptible d'avoir une composante de causalité qu'il le serait avec une association modeste

2) Cohérence
- Une relation est observée à plusieurs reprises

3) Spécificité
- Un facteur influence spécifiquement un résultat particulier ou une population

4) Temporalité
Le facteur doit précéder le résultat il est supposé affecter

5) gradient biologique
Le résultat augmente de façon monotone avec l'augmentation de la dose d'exposition ou selon une fonction prédit par une théorie de fond

6) plausibilité
L'association observée peut être expliquée de manière plausible en expliquant le problème fondamental (par exemple biologiques)

7) Cohérence
Une conclusion de causalité ne devrait pas fondamentalement contredire les connaissances fondamentales actuelles

8) Expérience
Le lien de causalité est plus probable si la preuve est basée sur des expériences aléatoires

9) Analogie
Pour les expositions et les résultats analogues un effet a déjà été montré

J' espére vous avoir aider.

Salut tout le monde. Vos commentaires ont été utiles et probablement nous n'utiliserons pas les données pour la causalité, mais juste pour l'évaluation du programme. Je comprends que la causalité est la manière compliquée de regarder tout changement dans un programme puisque de nombreux facteurs connus ou inconnus peuvent y avoir contribués.
Beauccoup d'appréciation.